论文部分内容阅读
针对股价系统内部结构的复杂性、外部因素的多变性，分析了基于BP网络进行股市预测的原理，利用三层前馈神经网络对股市建立预测模型，探讨了网络的拓扑结构、隐节点个数确定的原则、样本数据的选取和预处理、初始参数的确定等问题。为了避免网络陷入局部最小点和提高网络的收敛速度，算法采用改进后的LM—BP，并与其他BP算法进行比较。以最具代表性的上证指数为例，仿真实验表明了经过对筛选后的样本学习，并对所建的预测模型进行训练后，该LM—BP算法能够对有短期上证指数走势进行有效稳定预测。